UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

FACULTAD DE INGENIERIA MECANICA Y ELECTRICA

Administración de Mantenimiento

Actividad # 3 Investigación del

Mantenimiento Predictivo y sus
funciones.

Periodo Escolar: Agosto-Diciembre 2023

Nombre: Patricio Alejandro Gamez Matricula: 1872314

Carrera: IMA

San Nicolás de los Garza a 17 de Septiembre del 2023

Mondelez International

En 1981, Nabisco desembarcó en Argentina tras la fusión con Standars

Internacional, empresa que representaba en el país a Fleischmann Argentina
(Royal). El establecimiento Modelo Terrabusi fue adquirido en 1994. En 1996
se incorporan a Nabisco Royal Argentina Inc. las empresas Mayco, Capri y
Vizzolini. En la Argentina, Kraft llegó a comienzos del ’90, luego de la
compra de Suchard. La categoría donde alcanzó un fuerte liderazgo fue en
los jugos en polvo, adquiriendo su anterior licenciatario Alimentos Especiales
en 1992, relanzando Tang y con la introducción de Clight en el mercado local
a partir de 1995. En 1990, Kraft se fusionó con Jacobs Suchard, dando
origen a Kraft Foods Internacional. En 2001 se integró con Nabisco y la
empresa alcanzó una posición de liderazgo mundial en la industria de los
alimentos. Actualmente, Mondelez lleva atraviesas sus primeros años de
vida, extiendo la exitosa historia construida por Kraft Foods, logrando
posicionarse como uno de los líderes de productos alimenticios de consumo
masivo, caracterizados por su calidad, seguridad y por ser la primera opción
de los consumidores argentinos.

La empresa Mondelez interntaional se dedica hacer diversos productos muy

conocidos que la mayoría de la personas conoce en el mercado por su alto
consumo y fama que se la ha dado a lo largo de los años ya que son
principalmente snack`s para degsutar y disfrutar,entre los productos se
encuentran las galletas Oreo, chips ahoy, Ritz, Belvita, Honey Maid,
Newtons, así mismo también tienen la parte de los dulces como, clorets,
bubbalo, trident, halls, chilets, C light, Philadelphia, Kraft e infinidad de
productos estos que se mencionan son de los princípiales mas famosos y
conocidos, el principal producto de la empresa es la galleta oreo y nuestro
principal consumidor es el país vecino de mexico E.U que se posiciona como
el consumidor numero 1 de productos nabisco como las oreo, chips ahoy,
honey maid y belvita.
El mantenimiento predictivo consiste en una serie de técnicas y herramientas
que, basándose en el análisis de datos, consigue detectar anomalías y
posibles errores en el funcionamiento de procesos y equipos.

A través de un análisis pormenorizado de información real procedente del

equipamiento y los procedimientos, este sistema de mantenimiento es capaz
de detectar tendencias y patrones de funcionamiento: el resultado es un
escenario en el que los errores son fácilmente predecibles, porque se están
utilizando datos concretos para realizar la predicción.

Como se puede inferir fácilmente, el mantenimiento predictivo se basa en la

anticipación y la previsión, pero no ciñéndose a potenciales errores que
surjan de elucubraciones o hipótesis a priori, sino valiéndose solo de datos
reales, recopilados a tal efecto.

De este modo, la llevanza de un mantenimiento predictivo consigue

adelantarse a posibles fallos monitorizando el estado de la maquinaria, sin
especulaciones ni teorías, formando parte constituyente del IIoT (Internet
Industrial de las Cosas).

El mantenimiento predictivo tiene multitud de aplicaciones en entornos

industriales: por ejemplo, para reducir las paradas de la producción por culpa
de las piezas defectuosas que entren en la línea de montaje, o para analizar
las vibraciones que puedan preceder a posibles desalineaciones,
aflojamientos, desequilibrios o desgastes.

Asimismo, es posible identificar si el equipamiento industrial comenzará a

funcionar mal a partir de una detección muy temprana de signos,
como cambios en la temperatura; también es posible detectar fugas en
tanques y tuberías, errores mecánicos en piezas en movimiento y fallos en
equipamiento eléctrico.

Incluso las clásicas máquinas de vending son susceptibles de recibir este

tipo de mantenimiento, dando un paso más allá de las tradicionales
revisiones técnicas periódicas: es posible mejorar el tiempo de vida de estas
máquinas y reducir el número de reparaciones a las que estas tendrían que
haberse sometido si se hubiese procedido de otro modo.

Si una máquina falla, las repercusiones negativas tanto a nivel servicio como
a nivel financiero para una empresa pueden ser enormes. Por ello, cada vez
más compañías apuestan por el mantenimiento predictivo, una serie de
acciones y técnicas que se aplican con el objetivo de anticiparse a los
errores. A continuación, explicamos en detalle en qué consiste y cuáles son
sus principales ventajas.

Las locomotoras de vapor del siglo XIX requerían de un mantenimiento

constante. La lubricación manual —los operarios debían recorrer las partes
móviles cada pocos kilómetros y detectar cuáles necesitaban aceite— era
imprescindible para evitar que se recalentaran. La maquinaria usada en el
transporte actualmente es más sofisticada, pero el mantenimiento sigue
siendo necesario para evitar averías y, como en las antiguas locomotoras, es
más rentable detectar los fallos con antelación. A realizar esta labor ayuda el
mantenimiento predictivo.

El mantenimiento predictivo es una técnica que utiliza herramientas y

técnicas de análisis de datos para detectar anomalías en el funcionamiento y
posibles defectos en los equipos y procesos, de modo que puedan
solucionarse antes de que sobrevenga el fallo. Al igual que el análisis
predictivo permite anticipar, por ejemplo, los movimientos de los mercados o
las fluctuaciones en la demanda de energía, el mantenimiento predictivo
utiliza el análisis de datos para adelantarse a los fallos de los sistemas y es
parte fundamental del Internet Industrial de las Cosas.

Para hacer el seguimiento del estado de los equipos y avisar a los técnicos
de los próximos fallos, el mantenimiento preventivo cuenta con tres
componentes principales:
Los sensores y los dispositivos conectados instalados en las máquinas
envían datos sobre el estado y el rendimiento de la máquina en tiempo real
gracias a tecnologías del Internet de las Cosas, que permiten la
comunicación entre las máquinas y los sistemas de análisis.

Las soluciones de software y el almacenamiento en la nube (cloud

computing) permiten aplicar la minería de datos (data mining) y recopilar y
analizar enormes cantidades de datos usando aplicaciones de big data.

Los modelos predictivos se alimentan con los datos procesados y utilizan

tecnologías de aprendizaje automático (machine learning) para establecer
patrones y comparaciones, elaborar predicciones de fallos y programar el
mantenimiento antes de que ocurran.

El mantenimiento predictivo es diferente al preventivo y al correctivo. Pese a

ello, todos puede utilizarse simultáneamente en la industria. A continuación,
repasamos sus diferencias:

Preventivo: consiste en inspeccionar la maquinaria cada cierto tiempo,

independientemente de que lo requiera o no, o en hacerlo cuando se detecta
algún síntoma (un ruido extraño, por ejemplo).

Correctivo: también denominado reactivo o de averías, es el que se ejecuta

cuando ya se ha producido el fallo y es necesario reparar el equipo dañado.

Predictivo: es un método de mantenimiento proactivo basado en datos y

diseñado para analizar el estado de los equipos continuamente y predecir
posibles averías.

El mantenimiento predictivo permite que la frecuencia de mantenimiento sea

lo más baja posible. Cuando simplemente se programa el mantenimiento
cada cierto tiempo (preventivo), pueden ocurrir dos cosas: o bien se realiza
cuando no es necesario antes de tiempo o tarde, incurriendo en costes
evitables, o bien no es lo bastante frecuente, con el riesgo de que los
equipos den fallos. Así pues, el objetivo del mantenimiento predictivo es
optimizar el uso de los recursos de mantenimiento.

Pasos para realizar el mantenimiento El mantenimiento predictivo garantiza

que un equipo sólo se apague antes de un fallo inminente. Esto reduce los
costes operativos, minimiza el tiempo de inactividad y mejora el rendimiento
general de la maquinaria. Sin embargo, la inversión en los equipos de
monitorización necesarios para este tipo de mantenimiento suele ser
elevada, así como el nivel de conocimiento y la experiencia necesarios para
interpretar los datos.

Pasos para realizar el mantenimiento predictivo

1. Monitorización del funcionamiento de la máquina

En esta primera etapa, la parte central consiste en disponer de datos

digitalizados del estado de la maquinaria, y que tal lectura se realice
automática y permanentemente, es decir, sin la intervención humana.

Es evidente que cada proceso o equipamiento tendrá distintos parámetros

relevantes, así como diferentes frecuencias de lectura: no es lo mismo
medir, por ejemplo, los parámetros de posición en un proceso de prensado
que en uno donde interviene un brazo robótico.

2. Modelización del proceso y mantenimiento dirigido

Cuando ya se tiene el control sobre la lectura de los parámetros relevantes

de los equipos y procesos, da comienzo una etapa consistente en generar un
modelo basado en datos históricos, donde podrá verse qué trayectorias de
comportamiento se han ido siguiendo, y bajo qué circunstancias.

En este punto se diseñan algoritmos que relacionen los parámetros entre sí,
de cara a detectar patrones que se repitan o que se den siempre bajo las
mismas condiciones del entorno, o frente a la influencia cruzada que tengan
entre ellos. A medida que se dispongan de más datos históricos, el
aprendizaje del sistema será más completo, y permitirá extraer conclusiones
más precisas.

Por consiguiente, en este punto se puede empezar a diseñar un modelo de

comportamiento normal del equipamiento, es decir, cómo se supone que
debe responder el conjunto bajo condiciones habituales de entorno: una vez
que se ha asumido este patrón, será posible priorizar el mantenimiento
predictivo sobre aquellas áreas que presenten una mayor desviación sobre
la curva normal de funcionamiento (mantenimiento preventivo dirigido).

3. Modelización de escenarios límite

Se entiende por escenarios límite a aquellos entornos operativos bajo cuyas

condiciones será más probable que la maquinaria presente fallos y no pueda
seguir funcionando: con esta definición, se consigue cerrar el círculo y
delimitar los escenarios de operatividad, ya que se cuenta tanto con la
«curva normal» como con sus cotas.

Una vez más, cuanta más información se recopile de estos escenarios límite,
mayores serán las probabilidades de detectar las situaciones en las que la
maquinaria dejará de funcionar; por consiguiente, se podrá trazar un modelo
funcional con una mayor precisión.

4. Mantenimiento predictivo

Una vez que se llegue a esta etapa, se tendrá una visión mucho más
certera de las labores de mantenimiento que será necesario desplegar en
según qué máquinas, ya que habremos sido capaces de afinar la
probabilidad con la que un equipo no funcionará, y en qué condiciones dará
el fallo.
De este modo, será posible priorizar las actuaciones verdaderamente
necesarias o críticas sobre las accesorias o de menor urgencia: este filtrado
de intervenciones permite a la empresa mejorar la coordinación entre los
departamentos de producción y planificación.

5. Seguimiento continuo

La quinta etapa del mantenimiento predictivo consiste, simplemente, en

asumir su carácter cíclico y llevar a cabo un seguimiento para seguir
mejorando los sistemas de recopilación de datos y predicción de modelos de
comportamiento.

Solo gracias a esta retroalimentación, los sistemas de mantenimiento

predictivo consiguen aprender sobre la marcha y ser más precisos a la hora
de identificar patrones: las labores de seguimiento requieren,
obligatoriamente, la definición de algunos indicadores clave del rendimiento
(KPI) del sistema, que otorguen información sensible sobre su nivel de
precisión y de acierto probabilístico.

Bagger
Las posibles señales de falla

Error en el servo, error de temperatura y producto entre mordazas

Parámetros

Angulo de coalición de 9.9 a 10.9, temperatura de las mordazas 140 a 150,

el ajuste longitudinal de cuanto mide la bolsita que es 168.

Método de reacción

Cambio de resistencia en la temperatura, ajuste de cuchillas, calibración de

mordazas

TTM
Las posibles señales de falla

Erro en vacion, choque de pinzas y error en carrusel

Parámetros

Posición de la pistola de pegamento 14 milímetros, energía neumática 3 a 6

bares, temperatura del pegamento de 150 a 155

Método de reacción

Ajuste en el formado, para las pistolas de pegamento la correcta posición de

las pistolas hay que destaparlas y también purgar la nordson y revisar las
guías de la banda de alimentación del corrugado

Ishida
Las posibles señales de falla

Error a cero, error de sobre peso y tolvas y lectura

Parámetros

Amplitud de plato de 50 a 60, amplitud de radiales de 25 a 30 y el peso

del plato de 800 gramos

Método de reacción

Limpieza de la ishida, calibración de tolvas y cambio de celda de carga